一种基于VR深度视觉感知的城市风貌要素识别方法及系统技术方案

本发明专利技术涉及一种基于VR深度视觉感知的城市风貌要素识别方法及系统，通过构建城市的VR场景，用户通过佩戴VR头盔体验城市VR场景，从而对城市VR场景进行评价；并通过VR头盔实时获取用户体验城市VR场景时的头部姿态变化信息，根据该信息确定用户在城市VR场景中的关注点；同时，根据用户的主观评价数据将用户群体划分为高评价人群和低评价人群，并根据高评价人群和低评价人群的视觉关注点划分关注点类别，获取关注点热力值和热力等级，然后将属于同一风貌要素的关注点归为一类，并获取关注等级，并建立分析表。本发明专利技术将人的主观感知与客观深度视觉感知结合在一起进行城市风貌要素的识别，为城市风貌的人性化和定量化分析提供了可靠的基础。

A method and system of urban landscape elements recognition based on VR deep visual perception

【技术实现步骤摘要】
一种基于VR深度视觉感知的城市风貌要素识别方法及系统
本专利技术涉及城市风貌研究方法，具体涉及一种基于VR深度视觉感知的城市风貌要素识别方法及系统。
技术介绍
城市风貌是城市价值的一种显现，一直以来是建筑学和城市规划研究的重要内容。传统的城市风貌研究过分依赖研究者者的主观判断，使得城市风貌的简单化、同质化的现象比较明显。目前城市风貌研究存在四个问题，具体如下：其一，传统城市风貌研究以定性研究为主，以经验总结为主，缺乏定量研究。虽然早在1977年鲁道夫·阿恩海姆在《建筑形式动力学》一书中引入了格式塔心理学方法，同期，芦原义信从街道视觉秩序角度出发，应用格式塔心理学中的“图形”与“背景”的概念以及其他现代建筑理论，探讨街道的自然特征、美学规律，但是目前使用该方法的研究者依旧主要依靠环境图底关系进行主观判断，只能发现一些表面问题，对于风貌深层机制问题挖掘不足。其二，结合新技术时，缺乏“人”这个主体的参与。虽然不少研究关注视线和视域分析，并引入了新的数字技术，例如2016年青岛理工大学庞峰团队提出：一种在城市规划设计下设定视觉通廊三维尺度的核算方法(专利号：CN201610307603)，2018年东南大学王建国团队系统性提出基于数字技术提出了城市景观设计的新方法，这些研究开启了从三维视线层面上对城市风貌进行感知研究和控制引导的新视角；但是这些研究却只在探讨视线通廊有没有被挡住的问题，研究可见与不可见的简单问题，缺乏人的参与研究。还有一些研究只对建筑界面轮廓进行分析，没有深入建筑风貌要素内容的研究，这使得这些研究与城市文化之间缺乏联系，与人的实际感受缺乏联系。其三，研究成本高昂，并且在数据的收集和分析上存在很大的困难。虽然利用人工智能机器学习可以定程度上对城市风貌要素进行感知和识别，例如2015剑桥大学研究人员开发的“SegNet”工具(Badrinarayanan,Handaetal.2017)，可识别人眼视角图像数据中的天空、人行道、车道、建筑、绿化等共计12种要素，又如2018年清华大学研究人员利用街景照片对北京的建成环境的非正规性进行识别探索(甘欣悦,佘天唯etal.2018)，但是该方法需要大量的图片数据作为识别模型基础，理论上要有1000万个以上被标注的样本数据才能获得人的感知表现，这使得该方法在技术和算法上还有需要很大的提升空间(何宛余,李春etal.2019)。同时，虽然也有研究者而在真实城市环境中给体验者佩戴眼动仪进行城市风貌的感知分析，例如2019年苏斯曼利用眼动仪对意大利的坎波广场与美国波士顿的市政厅广场进行对比评价研究，利用眼动数据发现两个广场不同的空间感受(AnnSussmanJMW.2019)，但是利用眼动跟踪视觉分析一个样本，其数据采集就要消耗半天的时间，并且实验环境受环境中的人车活动影响很大，实验精度非常有限，距离真正的应用还有一定的距离。其四，时空间的限制，实验采样困难。在空间上，虽然现有个别研究利用简单的问卷或者照片来反馈城市风貌的感知情况，但是普通体验者并不能对真实的环境进行体验，而是靠零星的记忆进行感知回忆，或者依靠照片上的有限信息来经验推断，这对城市风貌的感知反馈会造成极大的误差。在时间上，不同时段的现场感知也有不同的差异，如果体验者对现场不熟悉，或者没有到过实验现场，或者体验者对现场感知的内容理解有误，实验采样工作都将很难进行。因此如何借助新的数字技术，以人为本的感知为中心，探索出一条科学、系统和快速对城市风貌进行识别和分析的方法显得尤为重要。
技术实现思路
本专利技术的目的在于提供一种基于VR深度视觉感知的城市风貌要素识别方法及系统，其为城市风貌的人性化和定量化分析提供了可靠的基础。为实现上述目的，本专利技术采用的技术方案是：一种基于VR深度视觉感知的城市风貌要素识别方法，其包括(1)构建城市VR场景，模拟现实城市中的全景视觉、声环境和时间变化；(2)采集视觉关注数据；体验者佩戴VR头盔感知城市VR场景，获取体验者的头部姿态变化信息，并根据体验者的头部姿态变化信息在VR全景图中确定对应的关注点；(3)获取体验者主观评价数据：体验者对其所感知的城市VR场景作出主观评价，获取该主观评价数据；(4)根据体验者主观感知评价数据和聚类算法，将体验者进行分类，将体验者划分为高评价人群和低评价人群；所有高评价人群的视觉关注点形成高评价关注点集合A，所有低评价人群的视觉关注点形成低评价关注点集合B；(5)根据高评价关注点集合和低评价关注点集合，识别每一视觉关注点的关注点类型：基础关注点：为A∩B，即高评价关注点集合和高评价关注点集合的交集；提升关注点：为A-A∩B,即高评价关注点集合去除基础关注点后的集合；降低关注点：为B-A∩B,即低评价关注点集合去除基础关注点后的集合；(6)从所有高评价人群的视觉关注点和低评价人群的视觉关注点中分别提取出体验人群的高评价视觉关注点热力分布数据和低评价视觉关注点热力分布数据；根据高评价视觉关注点热力分布数据和低评价视觉关注点热力分布数据，进行热力值叠加分析，获取每一视觉关注点的热力值H及热力等级C。所述识别方法还包括：(7)根据视觉关注点的空间位置和性质，对所有视觉关注点进行分类：将属于同一空间位置的相同性质的多个视觉关注点划分为同一类型风貌要素；根据每一类型风貌要素中包含的视觉关注点的热力等级，获取该类型风貌要素的视觉关注度Q和关注等级P。所述识别方法还包括：(8)建立城市风貌要素分析表，该分析表中包括了每一类型风貌要素的名称、关注类型、关注度、关注等级以及其所包含的视觉关注点及其热力值。所述视觉关注点的热力值H和热力等级的计算如下：其中，C为视觉关注点的热力等级，H为视觉关注点的热力值，t为某次体验的某一视觉关注点的累计时长，T为某次体验的总时长，n为体验次数，K为热力值调整系数。每一类型风貌要素的视觉关注度Q和关注等级P的计算如下：其中，P为某类型风貌要素的关注等级；Q为某一类型风貌要素的视觉关注度；m为某一类型风貌要素包含的视觉关注点个数。所述步骤(3)中，获取体验者主观感知评价数据的同时，还获取体验者的基本信息。所述步骤(7)中对所有视觉关注点进行分类时，还依据每一视觉关注点所属体验者的基本信息进行分类，分别获取不同类型体验者的风貌要素的视觉关注度Q和关注等级P。一种基于VR深度视觉感知的城市风貌要素识别系统，其包括VR头盔和服务器；所述VR头盔上设有连接服务器的定位模块和处理器模块，所述定位模块用于获取体验者佩戴头盔式的头部姿态变化信息，所述处理器模块用于接收服务器发送的城市VR场景；所述服务器包括场景生成模块、数据录入模块、数据分析模块，所述场景生成模块用于构建城市VR场景；所述数据录入模块用于录入体验者基本信息以及体验者对城市VR场景的主观评价数据；所述数据分析模块用于接收体验者的头部本文档来自技高网...

【技术保护点】
1.一种基于VR深度视觉感知的城市风貌要素识别方法，其特征在于：包括/n(1)构建城市VR场景，模拟现实城市中的全景视觉、声环境和时间变化；/n(2)采集视觉关注数据；体验者佩戴VR头盔感知城市VR场景，获取体验者的头部姿态变化信息，并根据体验者的头部姿态变化信息在VR全景图中确定对应的关注点；/n(3)获取体验者主观评价数据：体验者对其所感知的城市VR场景作出主观评价，获取该主观评价数据；/n(4)根据体验者主观感知评价数据和聚类算法，将体验者进行分类，将体验者划分为高评价人群和低评价人群；所有高评价人群的视觉关注点形成高评价关注点集合A，所有低评价人群的视觉关注点形成低评价关注点集合B；/n(5)根据高评价关注点集合和低评价关注点集合，识别每一视觉关注点的关注点类型：/n基础关注点：为A∩B，即高评价关注点集合和高评价关注点集合的交集；/n提升关注点：为A-A∩B,即高评价关注点集合去除基础关注点后的集合；/n降低关注点：为B-A∩B,即低评价关注点集合去除基础关注点后的集合；/n(6)从所有高评价人群的视觉关注点和低评价人群的视觉关注点中分别提取出体验人群的高评价视觉关注点热力分布数据和低评价视觉关注点热力分布数据；根据高评价视觉关注点热力分布数据和低评价视觉关注点热力分布数据，进行热力值叠加分析，获取每一视觉关注点的热力值H及热力等级C。/n...

【技术特征摘要】
1.一种基于VR深度视觉感知的城市风貌要素识别方法，其特征在于：包括
(1)构建城市VR场景，模拟现实城市中的全景视觉、声环境和时间变化；
(2)采集视觉关注数据；体验者佩戴VR头盔感知城市VR场景，获取体验者的头部姿态变化信息，并根据体验者的头部姿态变化信息在VR全景图中确定对应的关注点；
(3)获取体验者主观评价数据：体验者对其所感知的城市VR场景作出主观评价，获取该主观评价数据；
(4)根据体验者主观感知评价数据和聚类算法，将体验者进行分类，将体验者划分为高评价人群和低评价人群；所有高评价人群的视觉关注点形成高评价关注点集合A，所有低评价人群的视觉关注点形成低评价关注点集合B；
(5)根据高评价关注点集合和低评价关注点集合，识别每一视觉关注点的关注点类型：
基础关注点：为A∩B，即高评价关注点集合和高评价关注点集合的交集；
提升关注点：为A-A∩B,即高评价关注点集合去除基础关注点后的集合；
降低关注点：为B-A∩B,即低评价关注点集合去除基础关注点后的集合；
(6)从所有高评价人群的视觉关注点和低评价人群的视觉关注点中分别提取出体验人群的高评价视觉关注点热力分布数据和低评价视觉关注点热力分布数据；根据高评价视觉关注点热力分布数据和低评价视觉关注点热力分布数据，进行热力值叠加分析，获取每一视觉关注点的热力值H及热力等级C。


2.根据权利要求1所述的一种基于VR深度视觉感知的城市风貌要素识别方法，其特征在于：所述识别方法还包括：
(7)根据视觉关注点的空间位置和性质，对所有视觉关注点进行分类：将属于同一空间位置的相同性质的多个视觉关注点划分为同一类型风貌要素；根据每一类型风貌要素中包含的视觉关注点的热力等级，获取该类型风貌要素的视觉关注度Q和关注等级P。


3.根据权利要求2所述的一种基于VR深度视觉感知的城市风貌要素识别方法，其特征在于：所述识别方法还包括：
(8)建立城市风貌要素分析表，该分析表中包括了每一类型风貌要素的名称、关注类型、关注度、关注等级以及其所包含的视觉关注点及其热力值。


4.根据权利要求1-3任一所述的一种基于VR深度视觉感知的城市风貌要素识别方法，其特征在于：所述视觉关注点的热力值H和热力等级的计算如下：






其中，C为视觉关注点的热力等级，H为视觉关注点的热力值，t为某次体验的某一视觉关注点的累计时长，T为某次体验的总时长，n为体验次数，K为热力值调整系数。


5.根据权利要求4所述的一种基于VR深度视觉感知的城市风貌要素识别方法，其特征在于：每一类型风貌要素的视觉关注度Q和关注等级P的计算如下：






其中，P为某类型风貌要素的关注等级；Q为某一类型风貌要素的视觉关注度；m为某一类型风貌要素包含的视觉关注点个数。


6.根据权利要求1-3任一所述的...

【专利技术属性】
技术研发人员：张若曦，张乐敏，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35